Python Virtual Environment چیست؟ راهنمای کامل venv و conda ۲۰۲۵ | آکادمی تک

محیط مجازی پایتون (Python Virtual Environment) یک پوشه ایزوله است که برای هر پروژه، نسخه Python و پکیج‌های همان پروژه را جدا از بقیه سیستم نگه می‌دارد. با این کار می‌توانید چند پروژه با نسخه‌های متفاوت از Django یا هر کتابخانه دیگر را بدون تداخل روی یک سیستم اجرا کنید. رایج‌ترین ابزارها برای ساخت محیط مجازی پایتون: venv، pipenv، Poetry، conda و uv.

یک پوشه ایزوله روی سیستم شما که Python و پکیج‌های مخصوص یک پروژه را جداگانه نگه می‌دارد.

مثل اینکه هر پروژه سیستم‌عامل Python مخصوص خودش داشته باشد — بدون تداخل با بقیه.

pip install django==3.2

pip install django==4.2

# ❌ نسخه 3.2 پاک می‌شود!

pip install numpy==1.23

pip install numpy==1.26

# ❌ همان مشکل!

# پروژه A یا B خراب است

# پروژه A:

source projectA/bin/activate

pip install django==3.2  # ✅

# پروژه B:

source projectB/bin/activate

pip install django==4.2  # ✅

# هر دو کار می‌کنند!

python -m venv myenv

# فعال‌سازی

myenv\Scripts\activate

# بعد از فعال‌سازی، پرامپت تغییر می‌کند:

(myenv) C:\Users\Ali\myproject>

# غیرفعال‌سازی

deactivate

python3 -m venv myenv

# فعال‌سازی

source myenv/bin/activate

# بعد از فعال‌سازی:

(myenv) ali@computer:~/myproject$

# غیرفعال‌سازی

deactivate

معمولاً از نام‌های .venv یا venv استفاده می‌شود

نقطه قبل از نام (.venv) باعث می‌شود پوشه مخفی باشد (در مک و لینوکس)

این پوشه را هیچ‌وقت در Git commit نکنید — در .gitignore اضافه کنید

# نصب پکیج

pip install requests

pip install django==4.2

pip install numpy pandas matplotlib

# نصب نسخه خاص

pip install flask==3.0.0

# لیست پکیج‌های نصب‌شده

pip list

# اطلاعات یک پکیج

pip show django

# حذف پکیج

pip uninstall requests

# به‌روزرسانی پکیج

pip install –upgrade pip

pip install –upgrade django

pip freeze > requirements.txt

# محتوای requirements.txt:

# Django==4.2.0

# requests==2.31.0

# numpy==1.26.0

# …

# نصب روی سیستم جدید یا پروژه همکار

pip install -r requirements.txt

# نصب بدون نسخه دقیق (انعطاف‌پذیرتر)

pip install -r requirements.txt –upgrade

Django==4.2.0

requests==2.31.0

Pillow>=10.0.0

# requirements-dev.txt — فقط برای توسعه

-r requirements.txt

pytest==7.4.0

black==23.7.0

mypy==1.5.0

flake8==6.1.0

# requirements-prod.txt — فقط برای Production

-r requirements.txt

gunicorn==21.2.0

psycopg2-binary==2.9.7

├── .venv/              ← محیط مجازی (در .gitignore باشد)

├── .gitignore

├── requirements.txt

├── requirements-dev.txt

├── README.md

├── src/

│   ├── __init__.py

│   └── main.py

└── tests/

└── test_main.py

.venv/

venv/

env/

__pycache__/

*.pyc

.env

*.egg-info/

dist/

build/

  نصب:  pip install pipenv

  مزیت اصلی:  مدیریت همزمان محیط مجازی و وابستگی‌ها

  فایل اصلی:  Pipfile و Pipfile.lock

  مناسب برای:  پروژه‌های متوسط، تیم‌های کوچک

pip install pipenv

# ساخت محیط و نصب پکیج همزمان

pipenv install django

# نصب پکیج فقط برای توسعه

pipenv install pytest –dev

# فعال‌سازی محیط

pipenv shell

# اجرای دستور بدون فعال‌سازی

pipenv run python main.py

# نصب از Pipfile

pipenv install

# نصب همراه وابستگی‌های توسعه

pipenv install –dev

# لیست وابستگی‌ها به صورت درختی

pipenv graph

requests==2.31.0

numpy==1.26.4

# همه در یک فایل

# توسعه و production

# مخلوط هم هستند

django = ‘==4.2’

requests = ‘*’

[dev-packages]

pytest = ‘*’

black = ‘*’

# جداسازی dev/prod

  نصب:  curl -sSL https://install.python-poetry.org | python3 –

  مزیت اصلی:  مدیریت کامل پروژه، build، publish در یک ابزار

  فایل اصلی:  pyproject.toml

  مناسب برای:  Library ها، پروژه‌های بزرگ، انتشار در PyPI

curl -sSL https://install.python-poetry.org | python3 –

# ساخت پروژه جدید

poetry new my-project

# شروع در پروژه موجود

poetry init

# نصب پکیج

poetry add django

poetry add pytest –group dev

# فعال‌سازی محیط

poetry shell

# نصب همه وابستگی‌ها

poetry install

# اجرای دستور

poetry run python main.py

# به‌روزرسانی وابستگی‌ها

poetry update

# ساخت package برای PyPI

poetry build

poetry publish

name = ‘my-project’

version = ‘0.1.0’

description = ‘پروژه نمونه’

authors = [‘Ali <ali@example.com>’]

[tool.poetry.dependencies]

python = ‘^3.12’

django = ‘^4.2’

requests = ‘^2.31’

[tool.poetry.group.dev.dependencies]

pytest = ‘^7.4’

black = ‘^23.7’

mypy = ‘^1.5’

[build-system]

requires = [‘poetry-core’]

build-backend = ‘poetry.core.masonry.api’

  نصب:  نصب Miniconda

  مزیت اصلی:  مدیریت نسخه Python + پکیج‌های غیر-Python (C، R، …)

  فایل اصلی:  environment.yml

  مناسب برای:  Data Science، ML، پروژه‌های علمی

conda create -n myenv python=3.12

# فعال‌سازی

conda activate myenv

# نصب پکیج

conda install numpy pandas scikit-learn

conda install -c conda-forge matplotlib

# نصب با pip هم ممکن است

pip install some-package

# لیست محیط‌ها

conda env list

# ذخیره محیط

conda env export > environment.yml

# بازسازی محیط از فایل

conda env create -f environment.yml

# حذف محیط

conda remove -n myenv –all

# غیرفعال‌سازی

conda deactivate

channels:

– conda-forge

– defaults

dependencies:

– python=3.12

– numpy=1.26

– pandas=2.1

– scikit-learn=1.3

– matplotlib=3.8

– pip:

– some-pip-package==1.0

  نصب:  pip install uv  یا  curl -LsSf https://astral.sh/uv/install.sh | sh

  سرعت:  10-100 برابر سریع‌تر از pip

  مزیت:  جایگزین pip، venv و poetry در یک ابزار

  وضعیت:  در حال رشد سریع — ۲۰۲۵

pip install uv

# ساخت و فعال‌سازی محیط

uv venv

source .venv/bin/activate  # Linux/Mac

.venv\Scripts\activate     # Windows

# نصب پکیج — 10-100 برابر سریع‌تر از pip

uv pip install django numpy pandas

# نصب از requirements.txt

uv pip install -r requirements.txt

# مدیریت پروژه (مثل poetry)

uv init my-project

uv add django

uv run python main.py

cd my_project

# یا با نسخه Python مشخص:

python3.12 -m venv .venv

.venv\Scripts\activate

# Mac / Linux:

source .venv/bin/activate

# تأیید — باید (.venv) در پرامپت باشد

which python  # Mac/Linux

where python  # Windows

.venv/

__pycache__/

*.pyc

.env

*.egg-info/

.DS_Store

pip install pytest black mypy –upgrade

# یا دستی برای کنترل بیشتر:

# django>=4.2,<5.0

# requests>=2.31

git add .gitignore requirements.txt

git commit -m ‘Initial project setup’

git clone https://github.com/username/my_project.git

cd my_project

# ساخت محیط مجازی جدید

python -m venv .venv

source .venv/bin/activate  # یا Windows equivalent

# نصب همه وابستگی‌ها

pip install -r requirements.txt

# آماده کدنویسی!

python main.py

{

“python.defaultInterpreterPath”: “.venv/bin/python”,

“python.terminal.activateEnvironment”: true

}

پوشه venv، .venv یا env را هیچ‌وقت commit نکنید.

این پوشه می‌تواند صدها مگابایت باشد و روی سیستم دیگران کار نمی‌کند.

به جایش requirements.txt یا pyproject.toml را commit کنید.

———- ——-

django     4.2.0

pip        23.2.1

requests   2.31.0

setuptools 68.0.0

# همه چیز را نشان می‌دهد

# شامل pip و setuptools

requests==2.31.0

# فقط پکیج‌های نصب‌شده

# برای requirements.txt

# pip و setuptools نیستند

# فرمت مناسب برای install

# requirements.in — فقط وابستگی‌های مستقیم

django>=4.2

requests

pillow

# تولید requirements.txt کامل با نسخه‌های دقیق

pip-compile requirements.in

# به‌روزرسانی

pip-compile –upgrade requirements.in

# نصب

pip-sync requirements.txt

which python          # Mac/Linux — باید مسیر .venv باشد

where python          # Windows

# نمایش اطلاعات Python فعلی

python –version

python -c “import sys; print(sys.prefix)”

# پکیج‌های قدیمی را پیدا کن

pip list –outdated

# بررسی امنیتی پکیج‌ها

pip audit

# اندازه پکیج‌ها

pip list –format=columns

# .env — این فایل را در .gitignore بگذارید!

DATABASE_URL=postgresql://localhost/mydb

SECRET_KEY=my-super-secret-key

DEBUG=True

API_KEY=sk-1234567890

# در کد Python:

from dotenv import load_dotenv

import os

load_dotenv()  # بارگذاری از .env

database_url = os.getenv(‘DATABASE_URL’)

secret_key = os.getenv(‘SECRET_KEY’)

فایل .env را همیشه در .gitignore قرار دهید

یک فایل .env.example (بدون مقادیر واقعی) برای تیم بسازید

در محیط Production از Environment Variables سرور استفاده کنید، نه .env

rm -rf .venv          # Mac/Linux

rmdir /s /q .venv     # Windows

# ساخت محیط جدید

python -m venv .venv

source .venv/bin/activate

pip install -r requirements.txt

برای هر پروژه Python که دارید، یک محیط مجازی با venv بسازید.

requirements.txt را ایجاد کنید و در Git نگه‌دارید.

پوشه .venv را به .gitignore اضافه کنید.

برای پروژه‌های جدید و بزرگ‌تر، Poetry را بررسی کنید.

راهنمای کامل نصب Python — نصب Python در ویندوز، مک و لینوکس

کدنویسی Python بدون نصب — Google Colab و اپ‌های موبایل

بهترین IDE برای Python — VS Code، PyCharm، Cursor